データサイエンティスト
新たな商品やサービスの開発や業務プロセスの革新のため、大量に蓄積されたデータ（ビッグデータ）を分析する。
仕事内容
ビッグデータを解析した情報を活用することによって、これまで経験や勘で行われてきた仕事の効率性、競争力を高めたり、これまでできなかったことが可能になる。
データサイエンティストは、大きく分けると、自社の業務として従事する場合と、顧客に対してサービスを提供する場合がある。仕事の流れは共通しており、まずは分析対象となる業務の責任者にヒアリングを行い、分析の目標を決める。次にデータの担当者にヒアリングを行い、分析するデータがどのようなものか確認し、データを加工しながらモデリング（データ処理の枠組みを検討する）作業を行う。モデリング作業が終わると、そのモデルが適切かどうか判断するため、効果の検証を行い、さらに過去のデータだけでなく、様々なデータに対しても有効なモデルか検討し、有効で、問題がないことが確認されたら、サービスとして実装する（本格的な分析機能とする）。
以上が仕事の基本的な流れとなるが、ビジネス環境が変化したり、より良いモデルを検討するため、このような作業を反復していくこともある。また、自分の分析結果やモデルが最善のものか、検討を続けていく。
◇ よく使う道具、機材、情報技術等
文書作成ソフト（Word、一太郎等）、表計算ソフト（Excel、Googleスプレッドシート等）、プレゼン資料作成ソフト（PowerPoint、Keynote等）、統計用ソフト（SAS、SPSS、STATA、R等）、パソコン
主なタスク
- 分析対象となる業務の責任者（他社の場合はクライアント）にヒアリングし、分析の目標を決める。（実施率 1%）
- データを加工しながらモデリング（最適な統計的モデルの構築）作業を行う。（実施率 1%）
- データの担当者にヒアリングを行い、分析するデータがどのようなものか確認する。（実施率 1%）
- モデルが新たなデータに対しても有効かどうか判断する。（実施率 1%）
- モデリング作業が終わると、そのモデルが適切かどうか判断するための効果検証を行う。（実施率 1%）
- モデルが有効であれば、サービスとして実装する（機能として実現する）。（実施率 1%）
- 反復的にデータ分析やモデリングを行う。（実施率 1%）
- 新たな分析ツールやアルゴリズムを開発する。（実施率 1%）
- データ分析のプラットフォームについて効果を検証する。（実施率 1%）
- データ分析のプラットフォームを提案する。（実施率 1%）
- 統計や機械学習についての講習を行う。（実施率 1%）
- システムの企画・開発を行う。（実施率 1%）
雇用形態（働いている人の割合）
労働条件の特徴
賃金、労働時間等労働条件は勤務先の規定による。就業形態としては、雇用されている正社員が多いが、フリーランスの者も若干いる。
ビックデータの分析や活用のニーズが高まっており、データサイエンティストの人材不足は顕著であり、好条件を提示する会社が出てきている。
データサイエンティストの年収
データサイエンティストの平均年収は612万円（令和7年賃金構造基本統計調査「他に分類されない技術者」・全国）。中央値の目安は569万円、年収レンジは408〜1,070万円、上位10%は918万円です。
あなたの年収は、同じ年代のデータサイエンティストの中で上位何％？
入れた年齢・年収は送信・保存しません（この画面の中だけで計算）。同年代の分布は、この職業の年収の分布と年代別の年収（賃金構造基本統計調査の年齢による差から推計）から出しています。
データサイエンティストの時給3,000円は、最低賃金（全国加重平均1,177円・2026年度）の2.5倍です。都道府県別の最低賃金 →
年代別の年収推定
平均年収と平均年齢（43.9歳）から、賃金構造基本統計調査の年齢階級別賃金の形に合わせて推計。
経験年数別の年収推定
雇用形態別の年収推定
年収の推移（統計の年ごと）
| 調査年 | 年収 | 就業者数 | 有効求人倍率 | 求人賃金（月額） |
|---|---|---|---|---|
| 2021年 | 532万円 | — | — | — |
| 2022年 | 558万円 | — | — | — |
| 2023年 | 554万円 | — | 1.88倍 | 25.8万円 |
| 2024年 | 573万円 | — | 8.09倍 | 30.3万円 |
| 2025年 | 612万円 | — | 4.88倍 | 29.6万円 |
データサイエンティストの将来予想年収（3年後・5年後・10年後）推定
現在612万円 → 3年後 624万円 → 5年後 633万円 → 10年後 654万円（10年後の予想レンジ 563〜760万円）。年率の伸びは+0.7%と見ています。
年率の伸びの内訳
将来予想年収 ＝ 現在の年収 ×（1＋年率の伸び）^年数。年率の伸びは、賃金の基本の伸び率に、有効求人倍率・求人賃金の前年差・AI代替リスクを足し引きして職業ごとに決めています。予測は保証ではありません。計算のしかた →
データサイエンティストの将来性スコア
各要素は全職業の中での順位（0〜100）。配点：求人需要25・賃金の勢い15・年収水準15・AI耐性25・人手不足10・参入障壁10。
データサイエンティストのAI代替リスク
AIによる仕事内容の変化
解説は準備中です。
AI代替リスクは、job tag の調査データ（仕事の性質・仕事の内容・スキル・知識）から、AI・ソフトウェアに置き換わりやすい要素と置き換わりにくい要素を比べて、全職業の中での相対的な位置を 0〜100% にした推定値です。考えかた →
データサイエンティストの求人需要
有効求人倍率が1倍を超えると、求職者より求人の方が多い（人手不足）状態です。求人数の予測は、求人倍率・求人賃金の勢い・AI代替リスクからの推定です。
アメリカでは：データサイエンティストの年収・将来性
データサイエンティストに当たるアメリカの職業「データサイエンティスト」（米国の職業分類 15-2051）の年収の中央値は約1,891万円（$120,230・1ドル157.25円で換算）。日本の平均年収612万円の3.1倍です。
| 日本：データサイエンティスト | アメリカ：データサイエンティスト | |
|---|---|---|
| 年収（日本＝平均・米国＝中央値） | 612万円 | 1,891万円 $120,230 |
| 上位10% | 918万円 | 3,131万円 $199,130 |
| 10年後の予想年収 | 654万円 | 2,618万円 $166,500 |
| 将来性スコア | 57 | 65 |
| AI代替リスク | 73% 高い | 73% 高い |
| 求人需要 | 求人倍率 4.88倍 | 雇用の増減予測 +34.6% 2025–35・BLS |
| 就業者数 | — | 26.2万人 |
| 時給（平均） | 3,000円 最低賃金の2.5倍 | 9,435円 $60.00 連邦最低賃金の8.3倍 |
| 最低賃金 | 1,177円 全国加重平均・2026年度 | 1,140円 連邦 $7.25。州ごとにもっと高い額あり |
| 入職に必要な学歴（米国） | — | 学士号（大卒） |
米国のデータは BLS（労働統計局）の OEWS と雇用予測、O*NET。米国の金額は1ドル157.25円で円に換算（為替は毎日更新）。日本は平均値・米国は中央値で、調査の職業の範囲も違うため、目安として見てください。アメリカの職業のくわしいデータ（英語）→
世界では：技術者・准専門職の平均月収を国別に比べる
データサイエンティストは国際標準職業分類で「技術者・准専門職」に入ります。132か国・地域の技術者・准専門職の平均月収を円に直すと、日本は月39.2万円で33位、1位はルクセンブルクの月150万円です。アメリカは月102万円で日本の2.6倍。物価の違いをならした購買力平価では、日本は29位です。
「技術者・准専門職」全体の平均で、データサイエンティストだけの値ではありません（医療技術者（臨床検査技師・放射線技師など）、技術者の補助、営業職、不動産仲介、パイロット・航海士など。）。日本は賃金構造基本統計調査のきまって支給する現金給与額（賞与を含まない月の額。賞与込みの月平均は49.1万円）、ほかの国は ILO の統計（各国の最新年）を今日の為替で円に換算。技術者・准専門職の世界ランキングを全部見る →
データサイエンティストに必要なスキル・資格
必要スキル
job tag のスキルのレベル（就業者の調査）。
必要な知識
仕事の中身（よく行う活動）
必要資格
関連する資格はありません（資格が無くても就ける職業です）。
学歴（働いている人の割合）
入職前の訓練期間
入職前の実務経験
なる難しさ：★★★★☆ やや難しい（学歴・訓練期間・実務経験・資格から）
データサイエンティストになるには（未経験からの方法）
就くには（job tag）
新卒で就職する場合、業種は様々であるが、大手IT企業、製造業、サービス業等が多い。中途採用では、情報処理技術者、通信技術者、マーケティングリサーチャー、製造業の研究者からなる場合が多い。ポストドクター（博士号取得者）からデータサイエンティストになる人もいる。
IT、データ解析、ビジネス等の専門知識とスキルのほかに、コミュニケーション能力や発想力も要求される。データ解析の対象が幅広いため、自分の得意分野を生かして仕事をすることになる。
データサイエンティストのキャリアルートと年収アップ方法
解説は準備中です。